token怪兽OpenClaw 一个月烧 $1000？7 个配置技巧帮你省 90%成本

2026-02-28 18:29
32
OpenClaw 作为强大的 AI 助手框架，许多用户发现账单增长惊人——有人单月花费超过 $1000。但真相是：问题不在模型贵，而在配置没优化。同样的功能，优化前后的成本可能相差 5-10 倍。

本文基于社区实测经验，总结 7 个核心优化策略，帮你彻底降低 OpenClaw 运行成本。
核心要点：
  • 上下文累积是最隐蔽的"烧钱陷阱"
  • 模型分层路由可省 70-90% 成本
  • Prompt 缓存充分利用能省 50-83% 缓存费用
  • 心跳频率优化可避免"闲置期仍烧钱"

1. 上下文累积未优化

问题症状

即使简单的"今天天气"问答，输入 Token 却高达 13k-136k？这是因为 OpenClaw 默认将整个会话历史、MEMORY.md、AGENTS.md、SOUL.md 等文件反复注入系统 Prompt。
典型表现：
  • 新会话的首次请求 token 数异常高
  • 长会话响应越来越慢
  • 账单中 Input Token 占比超过 80%

解决方案

调整 Compaction 模式（推荐 adaptive）：
{
  "agents": {
    "defaults": {
      "compaction": {
        "mode": "adaptive",
        "maxContextTokens": 80000,
        "summaryThreshold": 60000
      }
    }
  }
}
配置说明：
  • mode: adaptive —— 自动根据会话长度调整压缩策略
  • maxContextTokens —— 超过 8 万 token 触发压缩
  • summaryThreshold —— 达到 6 万 token 开始生成摘要
进阶方案：安装 token-memory-optimizer 或 context-pruning-skill，实现智能上下文修剪。社区实测可降 30-70% Token 消耗。

2. 模型未分层路由

问题症状

所有任务——包括简单查询如"2+2"、天气查询——都扔给昂贵模型（如 Claude Opus、GPT-4）。心跳、cron 定时任务、后台检查全用顶级模型，闲置时也在烧钱。
成本对比：
模型
输入成本/1M tokens
输出成本/1M tokens
Claude Opus 4
$15
$75
GPT-4o
$5
$15
GPT-4o-mini
$0.15
$0.60
Gemini Flash
$0.075
$0.30

解决方案

子代理使用轻量模型：
{
  "agents": {
    "defaults": {
      "subagents": {
        "maxConcurrent": 8,
        "defaultModel": "moonshot/kimi-k2-0905-preview"
      }
    }
  }
}
策略建议：
  • 复杂任务（代码、分析）→ Kimi K2.5 / Claude Sonnet
  • 简单任务（搜索、总结）→ Kimi K2 / GPT-4o-mini
  • 后台任务（心跳、定时）→ Gemini Flash / 本地模型
进阶方案：安装 ClawRouter 或 smart-router-skill，自动根据任务复杂度选择模型。实测可省 70-90% 成本。

3. Prompt 缓存未充分利用

问题症状

OpenClaw 支持 Anthropic/OpenRouter 的 Prompt Caching（缓存写/读可省 90%），但默认 TTL 短（5 分钟）或未启用长保留，导致每次都重写大上下文。
典型表现：
  • Cache Write (1h) 始终为 0
  • 重复任务仍全价付费
  • 长上下文请求费用高昂

解决方案

启用长缓存保留：
{
  "agents": {
    "defaults": {
      "cache": {
        "retention": "long"
      }
    }
  }
}
优化策略：
  1. 调整心跳间隔至 55-60 分钟 —— 保持热缓存不被清除
  1. 使用 OpenRouter caching —— 支持更长 TTL 和更高命中率
  1. Stable Context 模式 —— 将不常变化的内容（如技能定义）标记为可缓存
社区反馈可省 50-83% 缓存成本。

4. 心跳/Cron 频率过高

问题症状

默认心跳每 10-30 分钟触发一次，即使无用户交互，也会拉起完整上下文 + 工具 schema，消耗数万 Token。有用户报告心跳单日烧 $6+。

解决方案

延长心跳间隔：
{
  "heartbeat": {
    "enabled": true,
    "intervalMinutes": 60
  }
}
优化策略：
  1. HEARTBEAT.md 保持精简或为空 —— 无任务时跳过 API 调用
  1. Cron 任务隔离 —— 使用 cron-isolator-skill，将后台任务路由到轻量模型
  1. 夜间低功耗模式 —— 23:00-08:00 禁用非必需定时任务
批量检查替代频繁心跳：
# HEARTBEAT.md 示例（每小时检查一次）
- 检查邮件（urgent only）
- 检查日历（未来 24h 事件）
- 检查系统状态（如有异常）

5. 技能全量加载

问题症状

所有已装技能的定义（schema）在 Session 开始就全注入 Prompt，即使未使用也占 Token。11 个技能可多吃 15k+ token/turn。

解决方案

启用懒加载模式：
{
  "skills": {
    "install": {
      "nodeManager": "npm"
    },
    "loading": "lazy"
  }
}
进阶方案：安装 dynamic-skill-loader 或 auto-skill-unload：
  • 关键词触发加载 —— "创建 PPT" 时才加载 pptx-creator
  • 闲置自动卸载 —— 5 分钟未使用自动移除 schema
  • 潜在节省 30-50% 基础 Token
技能精简建议：
  • 仅安装必需技能
  • 定期检查未使用技能并卸载
  • 避免技能功能重叠

6. 会话文件膨胀

问题症状

sessions/*.jsonl 文件无限增长，包含历史工具输出、错误日志等，导致下次加载时 Token 爆炸。老会话响应变慢、Token 暴增。

解决方案

定期清理会话：
# 手动重置当前会话
openclaw /new

# 或使用脚本定期清理
find ~/.openclaw/sessions -name "*.jsonl" -mtime +7 -delete
自动化方案：安装 session-cleaner-skill：
  • 自动归档旧会话到 MEMORY.md
  • 保留关键上下文，删除冗余工具输出
  • 设置会话文件大小上限（如 10MB）
最佳实践：
  • 长任务完成后执行 /new 重置
  • 每周检查一次会话文件夹大小
  • 重要信息主动写入 MEMORY.md 而非依赖会话历史

7. 缺少本地 Fallback

问题症状

所有推理都走云 API，即使是总结本地文件、简单计算也发给远程模型。轻度使用也会产生持续费用。

解决方案

集成 Ollama 本地模型：
{
  "models": {
    "providers": {
      "ollama": {
        "baseUrl": "http://localhost:11434",
        "models": [
          {
            "id": "phi3",
            "name": "Phi-3 Mini",
            "cost": { "input": 0, "output": 0 }
          },
          {
            "id": "llama3.1:8b",
            "name": "Llama 3.1 8B",
            "cost": { "input": 0, "output": 0 }
          }
        ]
      }
    }
  }
}
适用场景：
  • 本地文件总结/搜索
  • 简单计算和格式转换
  • 代码语法检查
  • 快速测试和原型
实测效果：重度用户可省 80%+ Token 成本。

完整优化配置示例

{
  "agents": {
    "defaults": {
      "model": {
        "primary": "moonshot/kimi-k2.5"
      },
      "compaction": {
        "mode": "adaptive",
        "maxContextTokens": 80000,
        "summaryThreshold": 60000
      },
      "subagents": {
        "maxConcurrent": 8,
        "defaultModel": "moonshot/kimi-k2-0905-preview"
      },
      "cache": {
        "retention": "long"
      }
    }
  },
  "heartbeat": {
    "enabled": true,
    "intervalMinutes": 60
  },
  "skills": {
    "loading": "lazy"
  }
}

总结

优化项
节省比例
配置难度
上下文压缩
30-70%
⭐⭐
模型分层路由
70-90%
⭐⭐⭐
Prompt 缓存
50-83%
⭐⭐
心跳频率优化
20-50%
⭐
技能懒加载
30-50%
⭐
会话清理
10-30%
⭐
本地 Fallback
80%+
⭐⭐⭐
综合优化后，月度成本可从100降至100-200。
OpenClaw 成本高，不一定是模型贵，而是配置在"全功率空转"。花 30 分钟优化配置，长期收益巨大。

⚠️ 重要：配置验证失败问题

在应用上述优化时，你可能会遇到类似以下的错误：
Invalid config at ~/.openclaw/openclaw.json:
- agents.defaults.compaction.mode: Invalid input
- agents.defaults.compaction: Unrecognized keys: "maxContextTokens", "summaryThreshold"
- agents.defaults.subagents: Unrecognized key: "defaultModel"
- agents.defaults: Unrecognized key: "cache"
- skills: Unrecognized key: "loading"

问题原因

这些错误表明你的 OpenClaw 版本不支持文章中的部分高级配置参数。不同版本的配置 schema 有所差异：
不支持的参数
原因
compaction.mode: adaptive
你的版本只支持 default 或 safeguard
maxContextTokens / summaryThreshold
此版本无这些子参数
subagents.defaultModel
应使用 subagents.model
agents.defaults.cache
此版本不支持缓存保留配置
skills.loading
此版本不支持技能懒加载

解决方案

使用兼容你版本的配置：
{
  "agents": {
    "defaults": {
      "model": {
        "primary": "moonshot/kimi-k2.5"
      },
      "compaction": {
        "mode": "safeguard"
      },
      "maxConcurrent": 4,
      "subagents": {
        "maxConcurrent": 8,
        "model": "moonshot/kimi-k2-0905-preview"
      },
      "heartbeat": {
        "every": "60m"
      }
    }
  }
}

验证配置

修改后运行以下命令验证：
openclaw doctor
# 或
openclaw config validate
通过验证的标志：
✅ valid: true
✅ issues: []
✅ warnings: []

版本差异说明

  • OpenClaw 2026.2.2-3 及更早版本：仅支持基础配置，无 adaptive 模式
  • 更新版本：可能支持更多高级优化参数
建议：先使用兼容配置确保正常运行，再考虑升级版本获取更多优化选项。

常见问题

Q: 优化后功能会受影响吗？ A: 不会。分层路由确保复杂任务仍用强模型，简单任务才降级。上下文压缩保留关键信息。
Q: 需要安装哪些技能？ A: 推荐安装 smart-router-skill + session-cleaner-skill，其他根据需求选择。
Q: 如何监控优化效果？ A: 使用 openclaw /status 查看 Token 统计，对比优化前后的输入/输出比例。
0
好文章，需要你的鼓励